smt表面黏着技术

壹、序言

表面粘着技术(SurfaceMountTechnology)已渐渐地取代老式「人工插件」欧I波焊

作业方式，俨然成为现代电子组装产业的主流，因它可以组装制造出相称轻、薄、

短、小且品质良好的电子产品。据记录资料显示大概百分之九十口勺个人计算机，皆制

造于表面粘着生产线，而非经由老式口勺波焊生产措施。重要原因是由于现代的电子产

品规定小型化、高密度化、及更高的电子讯号传播效率。这也就是为何表面粘着生产

技术逐渐地取代老式波焊生产技术的重要原因。

一、基本表面粘着制程

表面粘着制程基本的生产制程可分为两类：

(1)烘烤制程(Curing)-在过焊锡炉(Wavesolderingmachine)波焊之前，先以胶

(Adhesive)将零件固定，再通过锡波的浸润(Welling)后，即可形成零件与焊垫

(Pads)之间的焊接点(Solderjoints)。其流程如图一右半部所示。

(2)回焊制程(Reflowing)-笫一步在焊垫上网印上锡膏(Pasie),而后以自动机器

于相对焊垫上放置零件，再通过回焊炉的高温烘烤，即可将零件及焊垫之间

形成焊点，除非零件面(Primaryside)具有其他的老式零件。则此制程无需再经

由波焊制程。如图一左半部所示。

ReflowCuring-Waved

图一、表面粘着基本制程

二、表面粘着制程现况及制程问题

表面粘着组装制程中涉入相称复杂且广泛的变量，如原材料、机械设备、参数设

定、生产程序等等（如图二所示）,

RawMaterialsProfileSolderPaste

PrinterMounter

图二、表面粘着制程变量因效分析图

由图二中得知，由于表面粘着制程中牵扯的变量极多，因此怎样稳定地、有效率地

生产高品质的电子产品，已成为一般电子组装业的一大课题与挑战。根据记录资料显

示，在表面粘着制程中，从事于制程的除错及改善的时间约莫占所有制程故隙时间的

百分之七十左右（如图三所示）。因此怎样减少机器故障率、减少焊性缺陷、及稳定制程

仍是业界的一大难题。也因此表面粘着制程的诊断及改善为本研究计划重要口勺研究目

的。

图三、表面粘着制程故障E寸间分布（资料来源：VeriFoneTaiwanLtd.）

然而一般领域研究者对表面粘着技术研究一般着重于单一制程的个别探讨，并导

出许多日勺复杂公式，但这些公式一般有如下日勺缺陷：（1）无法将公式有效精确地应用

于瞬息万变实务工；（2）未将完整表面粘着制程之交互作用纳入考量；（3）须有特

殊的I仪器方能量取公式中的多种参数；4）难以启发一般使用者于实务中从事品质改

善，除非要有进阶课程的学习。再者，由于将制程经验及知识加以转换成合适内文献

与记录是相称困难的事，一般业者对于表面粘着技术制程知识的获取、经验传承及教

育训练，倍感困惑及无力感。尤其对如雨后春笋般出现新的制程，如FPTfBGAfCSPf

fT/PCW/P等更觉雪上加霜。深感知识获得之不易及传承上的难上加难。

为了处理以上的问题，本论文将以『模糊类神经」（Ne〃r。尸〃磔）技术建立一套崭

新的『表面粘着制程诊断系统』透过协助模式以协助工程师及作业者实时地处理某些

制程及焊性缺陷，以期提高产品品质及提高制程稳定性。此系统包括如下要件（1）

模糊类神经模式-FAMS；（2）完整表面粘着制程口勺试验成果；（3）专有制程知识

及（4）实际生产中获得的制程管制资料，用以发展与建构此智能型诊断系统，并弥补

老式记录制程管制之缺陷，成为一套能协助表面粘着制程管理、品质改善及辅助诊断

的利器。此系统将使用类神经模糊的软件（fuzzyTECH）及海〃R氏He进行特殊程序

代码撰写以作合适区|接口延伸。发展完毕的系统可提供（1）最佳化表面粘着制程参

数；（2）图型化制程改善使用接口；（3）制程训练日勺蓝本；（4）线上规则学习机

制等。

除此之外，本诊断系统可藉由系统参数化之设计以仿真制程参数变化对锡膏印刷

品质、回焊效果、及整个制程总合变化。且系统已经实际于表面粘着生产线上试用，

可达百分之八十五的精确度，因此本系统可在程度上应用于其他厂牌之表面粘着机器

及制程上，有效率地协助制程的改善及稳定性，使业者更能改善其表面粘着的制程能

力，进而增长其品质竞争力。

贰、研究背景

目前在表面粘着制程改善口勺有关研究上，大概可辨别为三大类：

1.一般表面粘着技术的研究，着重于以特殊数学方程式表达个别制程的生产状

态。

2.某些制程改善的研究，强调运用老式记录制程品管之概念，以改善表面粘着生

产制程。

3.此外某些研究则运用专家系统与决策支持系统，提供制程问题改善的提议。

如下分别讨论这三类研究的优缺陷：

(I)表面粘着生产技术在电子业界与学术界皆有不少研究，其中多数的研究试图运

用专业试验室口勺特殊仪器或复杂的方程式代表个别制程口勺生产状态，但往往疏

忽其制程中各变量数间的交互作用，对实务上鲜少有正面重大口勺改善效果，只

有在特殊原材料或机器研发时才能明显地见到此研究措施的I效益。以锡膏印刷

制程(Priming)为例，有些研究着重于钢版尸孔(Stencilaperture)『\l设计、刮刀

(Squeegee)材质的选定、印刷速度、刮刀压力、及间隙值(Snap-offheighi)口勺控

制。并以有关数学公式表达之，如Dr.Anderson(1994)所提出的锡膏臼刷效应

18］：

3、

ildlnT

而R)=2胃1+-----------

2砒YR3dlnyR

加：刮刀剪力〃：锡膏粘度。：刮刀角速度方：刮刀距离R：刮刀半径

r：上刮刀扭力

之后，Haung（1996）也提供类似口勺锡膏印刷公式⑺:

/是剪力；v是刮刀速度；h是钢板厚度；D钢板开孔方式；n是锡膏粘度

锡膏粘度与剪力倒数成正比:Q由以上两式，可得：邑

yyvh

其缺陷如下：因子分析之结论牵涉到特殊剪力的衡量与机器自身构造效应时

评估，这些皆需要专业日勺器材量取或是机器自身能提供动态机构的I变化量，

否则甚难使用于实务中，有效地改善锡膏E|：刷的品质。

⑵在业界使用日勺表面粘着制程控制中，老式的记录制程品管（SPC）饰演着极重要

的角色。然而，SPCH勺重要缺陷是只有当制程出现异常时才警告操作员或工程

师，但无法提供相对应的改善对策。例如TrutnaandAguayo（1992）提出一套专

为表面粘着制程的J控制计划[5],其系统长处为：1）透过试验计画订定锡膏印刷

制程与零件取制的J管制界线，2）可提供迅速的品质信息，3）制程超过管制界线

时，适时地提出警告。但其具如下缺陷：1）需要工程师随时更新管制规格及文

献，2）缺乏图形化的管制界面，3）并未研究所有制程的|交互作用效应，4）缺乏

深入日勺改善提议以引导作业员来进行改善。

SteveHall(1993)亦运用试验设计方式获得锡膏印刷制程管制的资料，重要是

针对刮刀速度、刮刀压力，刮刀脱离速度、锡膏颗粒尺寸、及基板尺寸进行管

制［6］。其系统长处如下：1)对锡膏印刷制程提供许多良好的管制点，2)运用

制程能力指数来告知作业员目前的制程状况，3)可连结锡膏印刷机，作动态

的管制。但其具缺陷如下：1)并未考虑其他也许导致焊性缺陷的制程，2)需

要很庞大的金钱投资，如机器连结界面、影像检查机、特殊的视觉系统等。3)

只合用于特定的印刷机中。

其他尚有类似的研究，如AnvariandChow(1992)回焊炉温度设计的技巧与提

议［11］、Charles(1995)提出时表面粘着细脚距(Fine-pilch)制程控制［15］、

Ralph(1995)提出某些各制程优先检查的原则［14］。但此类研究一般具有如下

缺陷：1)动态生产环境之下，难以设定制程管制口勺界线2)参数设定随不一样

厂牌机器而变更，3)无法提供有效的制程改善对策，4)难以文献化，5)难以

有效率的计算机化制程管制。

⑶在业界使用的表面粘着制程诊断系统研究中，一般专注于锡膏印刷制程问题之

研究，但并将零件摆置的偏移量、回焊口勺效应列入考量，更遑论及反向口勺制程

参数提议。如Amir(1994)提出一套表面粘着诊断专家系统⑶，其长处如下：1)

当记录制程管制的界线超过后，作业员依其锡膏印刷设定参数值，输入此专家

系统中以得到系统之推荐值，2）检查锡膏印刷设定的参数值，如刮刀压力、刮

刀角度、刮刀速度、真空板高度、及清洁模式，3）硬件除错，如真空强度，过

滤器、及帮浦等，4）提供推论解释H勺机制。此外Vcnkatswaran&Srihari（1995）

提出一套表面粘着制决策支持系统，提供锡膏印刷制程改善的提议［4］。其研究

范围如下：1）锡膏印刷机除错提议，2）锡膏特性仿真，3）基板（substrate）特性

的考量，4）钢板设计，5）工作环境影响。

虽此二系统提供相称优秀的表面粘着制程诊断系统，但它们皆遗漏了回焊制程

中回焊参数的重要效应与因子间交互作用之考量，其诊断系统只可局部地合用

于前半段的表面粘着制程改善上。由于实务上的表面粘着制程牵扯原因甚广，

除原材料外，工作环境日勺变化、机器口勺变动性、人员操作倾向等皆会影响焊性

品质及电子零件组装后日勺可靠度。因此，仅靠单一制程研究或老式的记录制程

管制并不能到达预期的改善效果，唯有考量各制程之重要因子，并以整体制程

探讨方能得到诊断问题口勺处理对策。

参、研究目的

综合先前的有关文献后得知，目前有关表面粘着制程改善方面的研究，其重要口勺缺

失整顿如下：

（1）使用数学公式以改善制程方面的研究，一般需具有特殊的仪器与设务方能求

得公式中所使用的参数值，同步也未考虑各制程因子间的交互作用，因此在

实务应用上非常困难。

(2)老式记录制程品管的研究，无法适时提供制程改善口勺提议，并且在动态的生

产环境下，难以设定制程管制口勺界线。除此，也并提供必要的矫正提议。

(3)至于使用专家系统或决策支持系统方面的研究，并无考虑回焊制程参数与制

程因子间的交互作用，因此只也许作用于前半段制程。

针对上述研究缺失，本研究将发展一智能型表面粘着制程诊断系统，重要是结合试验

设计、模糊集群分析法与模糊类神经网络模式，提供制程管理者机器设定参数与制程

诊断与改善的提议。此系统将全面地考量整个生产制程，而不只着重于单一制程分

析。除此，本系统能有效地考虑各制程因子间的交互效应。本研究有下列五项重要目

口勺：

(1)发展一完整的表面粘着制程诊断决策支持系统。

(2)建立以图形界面向表面粘着诊断系统，以取代老式的记录品管制程控制的措

施，并考虑到变量间口勺交互效应，以利生产品质的提高与稳定。

(3)运用既有记录品管制程控制的资料，运用模糊集群分析法与试验设计的方式，

将原始资料转变成合适的制程参数。

(4)运用模糊类神经网络模式建立一套表面粘着制程诊断系统，提供机器设定参数

与制程诊断与改善的提议。

（5）深入理解表面粘着制程中可控制因子日勺交互作用现象。

肆、研究措施

本论文采用Kosko（1992）所建立的FAMs（FuzzyAssociative模糊类神经网络

模式作为建立诊断规则之工具［20］。FAM口勺重要原理是运用模糊系统的映像原理（如图

四所示），此网络基本上是一种模糊化的二元异联想神经网络.其中最简朴口勺FAM网络

就是一种关联组然而一般一种FAM系统中包括许多FI勺模糊关联组

（A出耳）而这些关联组即整合成种规则矩阵（Ru匕Matrix）。

图四、模糊映像（Kosko,1992）

以从属向量来表达A和B,则A=（qM2,…，%）和8=（々也若欲转换成模糊

关联，可将（A㈤=（（/,...,/）,他,…与））嵌入数值化的FAM矩阵内，然后使用如下的

模糊化Hebbian学习措施训练之：

m”=min(aj,bj)

其从属向量可做为FAM规则库（4,a）的输入层。至于回忆向量输出（recalled

membership-vectoroutput)B则为所有日勺纭之总合:

B=

k=l

FAM模糊类神经网络模式之系统架构如图五所示，下列文字论述其各别作用:

图五、FAM网络之系统架构

FAMsIf-Then规则推论

必设$模式将语化的I输入经由推论过程而转换为真确值输出(crispoutput),如图六所

zjsO

Linguistic

Variables

F

u

z

z

i

f

i

c

Numericala

t

i

o

n

图、AFuzzification,Inference,andDefuzzification

其计算推理过程机制里，具有如下的两个组件：

•集成(Aggregalion):计算规则之前提部“IF”

•合成(Composition):计算规则之结论部“THEN”

集成(Aggregation)

在模糊系统里常应用如下三个的逻辑推论式：

AND:〃心s=min{〃八,〃&}

OR：从A+B=1皿{".,〃5}

NOT:〃八=14

合成(Composition)

每一条规则之前提部皆有合适的定义以触发结论部，并赋予一种触发程度值

(Degree)以合适的描述既有的状态。适切地合成前提部H勺触发程度值(DegreeofSupport)

为仿真推论中之重要环节＜：此模糊推论可称为MAX-MIN/MAX-PROD推论。.

FAMs解模糊化

在模糊推论之后紧接着解模糊化动作(Defuzzification).其推论成果可为某系统所量身

定作的语意变最，用以调整最终口勺输出值。其中之语意输入值与真确值之关系可以模

糊关系式(MembershipFunction)来表达。FAMs使用两个环节以完毕解模糊化动作，1)

转换每一语意变量为一经典值(Typicalvalue),2)折衷每一输出值而求得最适权衡值

计算经典值(typicalvalue)

最常应用于经典值H勺计算措施是找寻各别的模糊关系式之最大值。假如模糊关系

式有许多最大的区间值，则选用其中值数(Median)。如图七所示。

图、七经典值计算(各别模糊关系式之最大值)

找寻最适权衡值

第二个环节在于怎样求取真确值日勺输出，如图八所示。在经典值日勺水平位置上赋

予一权重值(weight)来表达其对规则自身触发H勺程度0权重值之高下是以黑色箭号重叠

于灰色箭号之高度而定，如图八所示。。最终之最适权衡值如图八之三角箭头所指之

位置值。

图、八解模糊化(真确值输出)

这个解模糊化的措施称为最大中心值法(CenterofMaximum),其与最大重心法

（CenterofGravity）具异曲同工之妙。

最大中心值COM（Centerofminimum）

此措施是将推论后之模糊关系值最大平均值作为真确值H勺输出，并计算折要成

果。并运用中值数计算架构以进行后续动作，石是模糊关系向量B于输出空间丫之模

糊中值数，如下列方程式：

.二汇“（力）

Y代表输出空间

伍、表面粘着制程诊断系统之建立

本研究将发展一套完整日勺表面粘着制程诊断系统，以辅助作业员及工程师处理品

质不良及制程日勺变异，并提供合适的改善对策为其重要目的。本诊断系统运用下列两

个重要模块发展完毕：1）制程参数设定模块，2）初始化机器参数设定模块。制程参数

设定模块重要是提供制程参数之仿真（如温度设定、锡膏厚度、完整制程等）。而初始化

机器参数设定模块，其重要是针对旧有或新增之产品之机器参数，作一合适日勺提议。

其系统发展架构如图九所示。

SystemDevelopmentRoadmap

图九、系统发展架构

如下逐一论述这两模块之建立流程：

一、以试验设计方式量测制程因子

运用明显因子设计一200组的试验于一般生产中，并搜集记录其成果，此类资料

将成为往后模糊类神经模式训练时的学习资料(Learningdata)。试验措施及流程如

图十所示。

图十、试验计画与流程

其程序如下：

1.搜集记录制程品管方面的有关数据与资料

在实际生产环境下，透过计算机网络联机搜集实时的制程品管资料，以作为模

糊类神经网络模式训练之用。其搜集对象包括：1)锡膏印刷制程因子一如刮刀

压力、刮刀速度、离板间距、锡膏粘度、钢版开孔方式、印刷厚度、印刷面

积、印刷偏移量、及印刷辨别率等。2)零件取置置程因子一如零件摆置偏移

量。3)回焊制程因子一如预热斜率(Preheatingslope)、浸润温度(Soaking

Temperature)＞尖峰温度(Peaktemperature)^o再将此类资料根据领域专家所预

先设订模糊化及数量化之准则，计算其焊性(Soklerability)评核分数，以作为模

糊类神经网络模式训练时测试资料(Testdala)。其焊性评分原则及公式如下:

表一、焊性检查原则

检查AlignmentLeadbentBridgingTombstoningOpen

项目(AL)(LB)(SB)(TN)(SO)

分数1010151015

检查FilletHeelFilletAngleAppearanceBalling

TOTAL

项目(FL)(FA)(AP)(SL)

分数1010IO10100

SolderabilityScore=AL+LB+SB+TN+SO+FL-FA+AP+SL

二、运用模糊集群分析法(尸“磔ClusteringSPC资料分类并清除多出反复之资料

这里所使用日勺模糊集群分析法是所谓日勺模糊中心法(尸〃C-means),其重要目的是

在一群数据中找寻虚拟区隔界面，而落于其间的资料群体即可称为一种集群

(Cluster),在集群中找出其中心值即可代表此一族群。此功能已并入fuzzyTECH软

件中。假设虚拟区隔界面为P={&，},而其集群中心V1,V2,...,VC之计算公式

如下：

力—)

V.=-±―1---------------------

EtAUJ]

A=I

三、使用模糊类神经网络模式建立有关的诊断规则

将」.述淬取后资料当作训练资料，而前面试验设计所得日勺资料作为训练资料，再

运用模糊类神经网络模式进行规则日勺淬取，并赋予每条规则合适日勺权重，作为建

立系统知识库时的信赖度水准。一种模糊类神经系统学习示意图，如图十一所

示、制程上重要的规则推理架构如图十二所示，而模糊类神经学习方略如图十三

所示。

图十一、模糊类神经系统

PrintingPrinting

RB#1RB#2

图十二、制程上重要的规则推理架构

图十三、模糊类神经学习方略m,zzyTEC”软件上）

经无多次的学习过程后，其最终学习成果，如表二所示。

表二模糊类神经学习成果

锡膏印刷制程回焊制程焊性评估

BlocksBlocksBlock#1BlocksBlock#1

State/Rules^\^^

IIIIIIIVV

MaxDev.起始值123.7850.00123.8033.3450.00

MaxDev.训练值14.7610.6714.228.9412.58

Avg.Dev.起始值79.5922.7560.3915.5828.07

Avg.Dev.训练值4.753.897.264.206.42

淬取规则数205354222268231

决策空间图（附录）图・A至图.F.图.G至图.L.

五、领域专家检查上述所建立的诊断规则，删除异常状况H勺规则

经由模糊类神经网络所建立H勺知识库，需再经领域专家运用其专有日勺制程知识,

将不也许或差异甚大的规则予以清除，并汇集成一精化规则库。

六、智能型表面粘着诊断系统产生

将汇集口勺规则库编译（compile）成fuzzyTECH之"ftr”二进制文献，加上VisualBasic

之合适的程序化，即可形成一种制程参数诊断系统。系统架构如图十四所示。此

系统可以在Windows98及WindowsNT之操作系统下运作。

系统需求：

I.计算机486以上，配有16M以上之记亿体及10M以上的硬盘空间。

2.%模糊系统软件（v5.0以上），以作线上学习功能。

3.MSExcel以产生图表

图十四、系统产出架构图

陆、表面粘着制程诊断系统之运作

当诊断系统运作时，下面这两模块(SMT制程诊断模块与SMT制程参数初始模

块)，将提供合适的提议与处理方案。如下将逐一简介这两模块之运作情形。

(-)SMT制程诊断模块

此模块的重要的目的是提供制程改善口勺对策及提议制程参数口勺设定值，以辅助作

业员或工程师处理不良制程及机器参数设定错误所产生口勺问题。其操作制程改善

流程如图十五所示:

…收I下一程i

图十五、机器与制程诊断流程图

其完整操作程序如下：

步骤一、先检查锡膏印刷的辨别率及偏移率，假如评估成果合乎检查原则则进入环节

二。反之，确认如下状况：

(1)印刷偏移-此系统随即检查锡膏印刷机的起始设定及机构调整程序，例如印刷

程序日勺品质(X・Y,The⑶、定位点、真空隔板、及隔板等。

(2)低辨别率-此系统随即规定使用者输入锡膏印刷机目前日勺参数值，通过诊断系

统的推理后，提供一组或多组较适合的参数值。倘若提议参数的绩效不佳，将

其记录作为往后系统执行时的参照数值。

步骤二、估零件放置于基板上日勺精确性，若合乎于检查原则则进入环节三。反之，视

问题的特性，提供使用者合适的提议方案，以处理取置机设定问题。如真空

压力、送料器状态、吸嘴状况、及定位问四等。

步骤三、评估回焊焊性的成果，若合于检查原则则进入下一制程。若不合原则，则系

统规定使用者输入目前温度的设定值，以评估回焊温度参数口勺适合度，并提

供一组或多组较适合的温度参数值。倘若提议参数值的绩效不佳，则将其记

录作为往后系统执行时的参照数值。

其实际的系统操作接口如图十六所示。

Userfl

Setting

图十六、锡膏印刷制程仿真图十七、回焊温度仿真

Simulatedimages

图十八、完整制程仿真

（二）SMT制程参数初始模块

本模块会根据如下的基本信息提供一新产品的参数设定：1）基板信息：如厚度、

尺寸、零件数、零件别等。2）PCBA（PCBAssembly）：组合密度。3）制程信息:细

脚距或宽脚距。其操作程序环节如下（如图十九所示）及实际功能展示（图二十所

示）：

步骤一、使用者需输入上述的基本信息，再进入环节二。

步骤二、将诊断系统所提议的新参数值，设定于锡膏印刷机、取置机、及回焊炉

±O

步骤三、评估锡膏印刷品质，若合于原则则进入环节四。反之，进入机器调整诊

断模块诊断印刷品质不良口勺原因。

步骤四、评估回焊焊性的成果，若合于检查原则则记录其有关参数值，作为后来

面临类似产品时的参照数据。若不合原则，则进入机器调整诊断模块，

诊断回焊性不良的原因。

图I•九、制程参数初始化流程图

（三）规则库线上学习

重要运用fuzzyTECH作为DDE（DynamicDataExchange）server,使用者可以将动

态规则加载系统所预设口勺表格中，并设定学习参数（如Termstepwidth,DOSsi叩

width,及WinnerNeurons等），及可运用MSDDE之沟通桥梁以执行动态学习欧J目

欢J。

ProccttX，。。""iaitialBettinccodeI,回口

---------Input-----------ProcesstypeInput

Processtype:poubwsid”二）PPonelization

：

PCBNo.|01562301V|「Onepanel

PCBAdensity|o585廿TwoPanels

Pastetype.|Koki951K三］「ThreePanels

「FourPanels

Values

179

180

167

Close

263二J

Recommendations

图二十、制程参数初始化操作接口

（三）系统架构及互动操作

本系统已于台湾金讯电子实战测试，精确度在百分之八十五以上，其误差评估图

如附录中之图、M至T所示。此系统架构于动态的接口及制程口勺互动性，使用者可以

随时地运用本系统来到达品质改善及减少当线率口勺目欧I。示意图如图二十一所示。

图二十一、系统架构及操作示意图

柒、结论与提议

本研究所得到之试验成果及系统建立的部份，皆得来不易。其目的在：

1）发展一制程参数专家系统，以决定表面粘着制程之最佳化参数设定。

2）发展一机器调整专家系统，提供机器调整时之有关提议。

3）深入分析表面粘着制程中各重要因子的交互效用，以模糊规则表达。

4）发展一表面粘着制程中各重要因子口勺图型焊性检查原则。

5）发展一崭新图形界面之表面粘着制程诊断系统。

6）提出制程中因子之交互效应，办助制程参数内调整以改善制程及焊性方面的缺

陷。

其中尚有某些重点需要加强，此类重点将是后来研究的对象，以扩充本系统成为

表面粘着制程的最佳利器：

1.需深入考虑锡膏印刷的流体力学（Rheology）部份，以克服不一样品牌锡膏的效

应。

2.怎样连结既有记录品管软件，以期加强实效。

3.怎样将工作环境之温、湿度效应纳入考量。

4.怎样再深入加强仿真精确性，以达百分之九十五的目的。

捌、参照文献

[1]MichaelBrisky(1992),MasteringSMTManufacturing,N.Y.:SMTPLUS,INC.

[2]StevenBryant,KenLoewenthalandEdFawcett(1994),NeuralNetworkMachineVision

forSMTSolderPasteInspection,SurfaceMountInternationalConference&Exposition,

ProceedingsofTheTechnicalProgram,pp.510-516.

[3]DudiAmir(1994),ExpertSystemforSMTAssembly,SurfaceMountInternational

Conference&Exposition-ProceedingsofTheTechnicalProgram,pp.691-699.

[4]S.Venkateswaran&K.Srihari(1995),ASoftwareSystemForProcessControland

TroubleShootingSolderPasteStencilPrinting,SurfaceMountInternationalConference

&Exposition,ProceedingsofTheTechnicalProgram,pp.713-719.

[5]MarkTrutnaandKermitAguayo(1992),SPCimplementation-Acasestudy,Surface

MountInternationalConference&Exposition,ProceedingsoftheTechnicalProgram,

pp.1207-1227.

[6]SteveHall(1993),Screenprinterintelligencerequirementsforlowdefectprocess

capability.SurfaceMountInternationalConference&Exposition-Proceedingsofthe

TechnicalProgram,pp.485-491.

[7]JennieS.Hwang(1992),SolderPasteInElectronicsPackaging,N.Y.:VANNOSTRAND

REINHOLD.

[8]RuthAnderson(1994),SolderPasteRheologyandFinePitchSlump,SurfaceMount

InternationalConference&Exposition-ProceedingsoftheTechnicalProgram,pp.479-

484.

[9]WilliamE.ColemanandKimberlyA.Aeschliman(1994),StencilPrinting-Application

andStencilDesignGudies,SurfaceMountInternationalConference&Exposition-

ProceedingsoftheTechnicalProgram,pp.492-497.

[1OJJennie,S.H(1996),ModernSolderTechnologyforCompetitiveElectronics

Manufacturing,N.Y.:McGraw-Hill,Inc.

[11JSiamakAnvariandMaiChow(1991),OptimizationofThermalProfileswithForced

ConvectionReflow,MournInternaiionalConference&Exposition,Proceedingsofihe

TechnicalProgram,pp.205-224.

[12]CharlesL.Hutchins(1995),TroubleshootingtheSMT/FPTProcess,N.C.:C.Hutchins

andAssociates.

[13]TedLancaster(1991),TheCharacterizationofAutomatedPrintingMachines,

InternationalConference&Exposition,ProceedingsoftheTechnicalProgram,pp.231-

239.

[14]RalphW.Woodgate(1993),AguidetodefeeI-freesoldering,S.F.:MillerFreeman

Books.

[15]CharlesL.Hutchins(1995),UnderstandingandUsingSurfaceMountandFinePitch

Technology,N.C.:C.Hutchins&Associates.

[16]DavidM.Shaddock(1991),ProcessCharacterizationofAFinePitchProcess,

InternationalConference&Exposition,ProceedingsoftheTechnicalProgram,pp.240-

252.

[17]C.W.ChungandK.Srihari(1994),ClosedLoopProcessControlforSolderpaste

StencilPrinting,SurfaceMountInternationalConference&Exposition-Proceedingsof

theTechnicalProgram,pp.485-491.

[18JLefteriH.TsoukalasandRobertE.Uhrig(1997),FuzzyandNeuralApproachesin

Engineering,N.Y.:JohnWiley&Sons,Inc.

[19]MoiiSchneider,AbrahamKandel,GideonLangholz,andGerardChew(1996),Fuzzy

ExpertsystemTools,N.Y.:JohnWiley&Sons.

[20]Bart,Kosko.(1992),NeuralNetworksandFuzzySystems,EnglewoodCliffs,NJ.:

PrenticeHall.

玖、附录

Q.Vo/une

t

3822

20$qu_SpeE

4

怨

15次

7G4-

1

06

Q-PX020027

图.CVolumeDecisionsurface(PadDim.vs.

图.AVolumeDecisionsurface(Pressurevs.Pad

Squeegeespeed)

Dim.)

Q_Voiunc

22

，40

，58

,m.乃

3822/

3X440\93

58

乃11

26，29

229m347

13

1529u-

11

77

?64

a2

40

图.DResolutionDecisionsurface(Pressurevs.

图.BVolumeDecisionsurface(Pressurevs.snap-snap-offheight)

offheight)

340

460

,

1

一1

函

t

8

l

£

.

--.

)

0

.